1、中图分类号：TM411 论文编号：HBLH 2014-201U D C： 密 级： 公 开 硕 士 学 位 论 文基于 PAS 与 DFNN 的变压器故障预测研究作者姓名：张雅楠学科名称：控制理论与控制工程 研究方向：检测技术及智能装置学习单位：河北联合大学 学习时间: 2.5 年 提交日期：2013 年 11 月 20 日申请学位类别：工学硕士导师 姓名：龚瑞昆 教授 单位：河北联合大学电气工程学院论文评阅人： 孙文来 高工 单位：唐山热力总公司杨友良 教授 单位：河北联合大学电气工程学院论文答辩日期：2014 年 1 月 12 日 答辩委员会主席：孙文来 高工关 键 词：PAS；D-FNN
2、；电力变压器；故障预测；MATLAB 唐山 河北联合大学2014 年 3 月Transformer Fault Prediction Based onPAS and DFNNDissertation Submitted toHebei United Universityin partial fulfillment of the requirementfor the degree ofMaster of Science in EngineeringbyZhang Yanan (Control Theory and Control Engineering)Supervisor: Professor
3、 Gong RuikunMarch, 2014独 创 性 说 明本人郑重声明：所呈交的论文是我个人在导师指导下进行的研究工作及取得的研究成果。尽我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表或撰写的研究成果，也不包含为获得河北联合大学以外其他教育机构的学位或证书所使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中做了明确的说明并表示了谢意。论文作者签名： 日期： 年 月 日关于论文使用授权的说明本人完全了解河北联合大学有关保留、使用学位论文的规定，即：已获学位的研究生必须按学校规定提交学位论文，学校有权保留、送交论文的复印件，允许论文被查阅和借阅；学校可
4、以将学位论文的全部或部分内容采用影印、缩印或编入有关数据库进行公开、检索和交流。论文密级： 公开； 保密（至 年 月）(保密论文在解密后遵守此规定) 。作者签名： 导师签名： 签字日期： 年 月 日 签字日期： 年 月 日摘 要- I -摘 要变压器是电力系统和智能变电站中重要的电力设备，智能变压器智能化水平关系着智能变电站运行的可靠性和投资的经济性。而变压器故障预测能够发现潜伏的故障以及预告故障的发展趋势，研究故障预测对系统安全运行和变压器的状态检修有重要意义。动态模糊神经网络具有强大的多元非线性数据处理和函数逼近功能，能够利用原始样本数据通过模型内部自我学习训练获得准确度较高的预测诊断模型
5、。将动态神经网络强大的预测诊断功能引入到变压器故障处理中，建立起能够真实反映变压器故障特性的智能预测诊断模型，能够实现变压器故障在线检测的要求，提高变电站的综合自动化水平。本课题结合变压器故障预测诊断在线监测的特点，选用了光声光谱技术对变压器油中的故障气体的含量进行实时在线的监测，选取了动态模糊神经网络为实验的主要模型结构，利用 MATLAB 中的神经网络工具箱，建立起基于动态模糊神经网络的电力变压器故障预测模型。实验选取了 150 组变压器故障原始样本数据对 D-FNN 模型中进行学习训练，得到了具有预测诊断功能的网络模型；再挑选 100 组变压器的在线监测数据进行仿真试验，并查查看了模型预
6、算误差收敛曲线，证明了采用基于 PAS 与 DFNN 变压器故障诊断预测模型预测变压器故障相对于传统的方法具有更高的故障诊断率,验证了基于 PAS 与 DFNN 在变压器故障预测诊断处理中的合理有效性。图 51 幅；表 16 个；参 46 篇。关键词：PAS；D-FNN；电力变压器；故障预测；MATLAB分类号：TM411河北联合大学硕士学位论文- II -AbstractTransformer is the electrical equipment of smart grid and intelligent substation, smart transformer level of sma
7、rt related to the economy of the operating reliability of intelligent substation and substation investment. Transformer fault prediction can find latent faults as well as the development trend of the notice of faults of transformer.Research transformer fault prediction the state of the system of saf
8、e operation and transformer maintenance is important. DFNN has strong functions of multi-nonlinear data processing and function approximation Moreover, it can obtain high precision prddictive diagnosis model by using original sample datas self-leaning. If the robust predictive fault processing, and
9、the intelligent prediction model which reflect accurately the characteristics of transformer fault is built, the requirements of the transformer fault on-line detection can be realized and the level of integrated automation of substation can be improved.In this thesis, the features of on-line monito
10、ring of transformer fault predietion diagnose is combined, the combination method of DFNN and PAS are selected as the basic mathematics algorithm of transformer fault prediction. We choose the DFNN as the research model, establish the transformer fault prediction of diagnosis model of three improved
11、 BP neural network by using the neural network tool box of MATLAB. In the experiment, 150 sets of original transformer fault sample data are selected to train DFNN model, and 100 sets of transformer on-line monitoring data are used to simulate. The error eonvergence curves show that the transformer
12、fault diagnosis model based on DFNN compared with traditional methods have higher diagnosis rate. Furthermore, the treatment of the transformer fault diagnosis model based on DFNN is reasonable and effective.Figure37; Table16; Reference 46.Keywords: PAS; D-FNN, Power Transformer, Failure prediction,
13、 MATLABChinese books catalog: TM411目次- III -目 次引 言 .1第 1 章 绪论 .21.1 研究的背景和意义 .21.2 国内外研究现状 .31.3 研究方法 .81.4 本文的主要研究内容 .9第 2 章 光声光谱技术原理 .102.1 气体红外吸收理论 .102.1.1 气体分子吸收理论 .102.1.3 气体的吸收定律 .112.2 光声信号的产生 .122.2.1 气体分子的特性 .122.2.2 光与物质的相互作用 .142.2 变压器油中故障气体及光声信号分析 .182.2.1 故障气体的产生 .182.2.2 故障类型与气体对应关系 .
14、19第 3 章 光声光谱系统的设计 .213.1 光声光谱系统的设计 .213.1.1 对试验平台光源的选择 .213.1.2 光声池的设计 .263.1.3 光声光谱检测系统的整体结构 .343.2 光声光谱检测系统的实验结果与分析 .353.2.1 甲烷气体及乙炔气体的光声特性 .353.2.2 甲烷及乙炔气体的定量分析 .38第 4 章 动态模糊神经网络原理及算法 .414.1 动态模糊神经网络（D-FNN）的提出 .414.2 动态模糊神经网络含义与特点 .424.3 D-FNN 的网络结构 .42河北联合大学硕士学位论文- IV -4.4 动态模糊神经网络的算法 .454.4.1 系
15、统模糊规则的产生准则 .454.4.2 前提参数的确定 .464.4.3 网络权值的确定 .474.4.4 系统模糊规则的修剪技术 .48第 5 章 动态模糊神经网络用于变压器故障预测 .515.1 动态模糊神经网络用于变压器故障预测的原理 .515.2 动态模糊神经网络用于变压器故障的预测 .525.2.1 样本数据的选取及预处理 .525.2.2 网络结构及隶属函数的确定 .535.2.3 动态模糊神经网络的训练 .545.2.4 系统性能评价标准 .585.2.5 变压器故障预测 .595.3 基于改进型 BP 神经网络的变压器故障预测模型研究 .605.3.1 激励函数的选择 .605
16、.3.2 训练函数的选择 .605.3.3 隐含层层数的选择 .625.3.4 BP 网络模型的建立 .645.4 本章小结 .68结 论 .69参考文献 .70致 谢 .73导师简介 .74作者简介 .75学位论文数据集 .76引 言- 1 -引 言电力系统是人类迄今为止创造的最复杂、最庞大的系统，是进入到 20 世纪后人类取得的最辉煌的工程技术成就之一。然而，进入 21 世纪以来电力系统的不断老化，线路扩容困难，系统安全运行效率降低等问题逐渐暴露出来。2003 年 8 月 14 日北美电网发生了有史以来最严重的大面积停电事故，加拿大的 2 个省和美国的 8 个州共 5000 万人受到影响，
17、损失负荷量 61800MW，经济损失高达 300 亿美元。美国能源部发于 2004 年 1 月发表了建设 Grid2030 的路线图，电网智能化项目（Grid Wise）正式启动。在科技高速发展的今天，变压器已经是一个集机械、电子、液压、计算机等一体化的大型复杂设备，其正常的运行对电网的稳定、安全起着至关重要的作用。但是目前研究的主要方面仍然是变压器故障诊断，当故障发生时再采取补救有措施，这会给我们的生活带来严重的不便。此，及时找出变压器的潜伏性故障，预测其可能发生的故障，防患于未然对电力系统的发展有很大意义 1。变压器的运行维护，特别是故障诊断工作，对于提高电力系统运行的安全性及可靠性具有非
18、常重要的意义。目前各种监测手段和诊断方法大多数是利用单一信息源数据对设备的某类特定故障实施诊断诊断，这种方法缺乏对多源多维信息的协同利用及综合处理，也未充分的考虑诊断对象的系统性和整体性，导致在可靠性、准确性及实用性方面都存在不同程度的缺陷 2。近些年来迅速发展起来的光声光谱技术与动态模糊神经网络动技术，对于得到变压器油中气体的精确数据和后期大量数据的处理以达到故障预测的效果，推动了电力变压器故障诊断技术的实用化进程。河北联合大学硕士学位论文- 2 -第 1 章 绪论1.1 研究的背景和意义十二五以来，随着国民经济的迅速发展。我国的电网建设进入高速发展时期，为保证电网安全稳定的运行，智能电网的
19、建设被提上日程。整个电力系统中所有电气设备运行的经济性、可靠性与安全性直接影响到电力工业稳定、高速、有效的发展，直接影响到工农业生产的效率和质量。因此，寻找新技术、新方法、新手段来提高电力系统电气设备的运行特性已经成为所有电力工作者研究的一个重要课题 3。电力变压器作为电网系统中的最重要设备，一方面它担负着对不同电压等级的电能相互转化任务，另一方面是担对负电能进行分配以及提高供电质量的使命。电力变压器能否安全稳定有运行直接关系到电能是否能可靠、有效的传送。对于大容量电力变压器其自身配备的避雷器等元件，继电保护水平已经相当高，同时在变压器内部几乎没有可随意旋转的部件，运行相对比较较可靠。但是随着
20、变压器有运行不可避免会产生正常老化的内因，同时，变压器绝大多数都在野外难免受到外界有干扰产生故障的外因，导致变压器故障时有发生。一旦大容量变压器发生故障，电力系统将会出现不稳定运行，轻则导致跳闸停止供电，影响电能的输送给工农业生产造成非计划停工，给人们的日常生产生活带来诸多不便；重则导致整个系统大面积断电，严重影响社会的稳定及人们的生活生产，妨碍我国社会经济建设的发展。然而，对电力变压器进行维修的过程也会耗费巨大的人力物力财力。目前，定期检修方式已广泛被应用于电力部门检测，很容易造成很多设备过修或者失修的问题，影响供电可靠性，同时还造成巨大的人力、物力资源浪费和不安全问题，主要表现为：1）检修时需要停电，无论是短时的小面积还是大面积，都会给社会的经济生活带来不同程度的影响。在某些特殊情况下，由于系统的要求，用电设备不能停电，往往会造成漏检或者超周期运行，导致很难发现故障缺陷 4-5。2）检修周期长。由于检测周期比较长，很容易在两个固定时间段内发生故障。3）检修时间集中，工作量大。在短时间内耗费巨大人力物力却起不到很好的效果。这种硬性的定期维修方式完全脱离了变压器的所处的复杂环境及实际运行状态。
